YOLOX и YOLOv9#

Ландшафт компьютерного зрения формировался благодаря непрерывным архитектурным прорывам, в которых вычислительная эффективность сочетается с высокой точностью. При оценке моделей обнаружения объектов в реальном времени сравнение YOLOX от Megvii и YOLOv9 от Academia Sinica демонстрирует две различные философии развития глубокого обучения. Одна модель стала первопроходцем упрощённой безъякорной парадигмы, а другая внедрила передовые методы маршрутизации градиентов для максимального сохранения информации.

В этом техническом руководстве рассматриваются архитектурные особенности, результаты сравнительного тестирования производительности и оптимальные варианты применения этих моделей, а также показывается, как современные решения, такие как платформа Ultralytics и недавно выпущенная модель YOLO26, обеспечивают более эффективные альтернативы для развёртывания в production-средах.

YOLOX: первопроходец безъякорной парадигмы#

Выпущенная в середине 2021 года, YOLOX стала важным шагом в преодолении разрыва между академическими исследованиями и промышленным применением. Отказавшись от необходимости заранее определённых якорных блоков, модель значительно упростила эвристическую настройку, необходимую для пользовательских датасетов.

• Авторы: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li и Jian Sun
• Организация: Megvii
• Дата выпуска: 18 июля 2021 года
• Источник: статья на arXiv
• Исходный код: репозиторий YOLOX на GitHub
• Документация: официальная документация YOLOX

Архитектурные инновации#

YOLOX внесла несколько ключевых изменений в стандартный конвейер обнаружения. В модели реализована разделённая голова, которая отделяет задачи классификации и регрессии, что значительно уменьшает конфликт между распознаванием объекта и определением его границ. Кроме того, YOLOX использует SimOTA — продвинутую стратегию назначения меток, которая динамически распределяет положительные образцы во время обучения, обеспечивая более быструю сходимость и лучшую общую производительность на стандартных эталонных датасетах.

Преимущества и ограничения#

Главное преимущество YOLOX заключается в её упрощённой конструкции. Безъякорный механизм означает, что разработчики тратят меньше времени на запуск алгоритмов кластеризации для поиска оптимальных размеров якорей под свои данные. Однако, будучи более старой архитектурой, изначально созданной без последних достижений в области self-attention и построения градиентных путей, она с трудом конкурирует с более новыми сетями по эффективности использования параметров. В ней также отсутствует встроенная поддержка таких продвинутых задач, как сегментация экземпляров и оценка позы, в рамках единого API.

Узнай больше о YOLOX

YOLOv9: максимизация градиентной информации#

Перенесёмся в 2024 год: YOLOv9 предложила в значительной степени теоретический подход к решению проблемы информационного узкого места, свойственной глубоким свёрточным нейронным сетям.

• Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
• Организация: Institute of Information Science, Academia Sinica
• Дата выпуска: 21 февраля 2024 г.
• Источник: статья на arXiv
• Исходный код: репозиторий YOLOv9 на GitHub
• Документация: документация Ultralytics YOLOv9

Архитектурные инновации#

Определяющая особенность YOLOv9 — программируемая градиентная информация (PGI), которая гарантирует, что важные семантические данные не теряются при прохождении через многочисленные слои сети. В сочетании с обобщённой эффективной сетью агрегации слоёв (GELAN) YOLOv9 обеспечивает исключительное соотношение количества параметров и точности. Благодаря этому модель сохраняет точные градиенты для обновления весов и остаётся эффективной даже в облегчённых вариантах.

Преимущества и ограничения#

YOLOv9 превосходно приближает теоретические пределы точности модели. Она показывает отличные значения mAP на COCO, поэтому пользуется популярностью среди исследователей. Однако, несмотря на свою эффективность, YOLOv9 по-прежнему использует традиционное подавление немаксимумов (NMS) для постобработки, что приводит к скачкам задержки во время инференса. Для инженеров, сосредоточенных на развёртывании ИИ на периферийных устройствах, управление логикой NMS добавляет ненужную сложность в конвейер развёртывания.

Узнай больше о YOLOv9

Сравнение производительности#

При сравнении исходных вычислительных показателей этих архитектур становится ясно, что YOLOv9 предлагает более современную базовую модель, тогда как YOLOX остаётся облегчённым вариантом для устаревших конфигураций. Ниже приведён подробный разбор их стандартных моделей.

Хотя YOLOv9 демонстрирует более высокую точность при сопоставимом количестве параметров, разработчикам, которые ищут оптимальный баланс скорости, точности и простоты использования, стоит обратить внимание на последние достижения Ultralytics.

Преимущество Ultralytics: знакомство с YOLO26#

Хотя изучение исторических моделей, таких как YOLOX и YOLOv9, даёт ценный контекст, современный передний край технологий представлен Ultralytics YOLO26. Выпущенная в начале 2026 года, YOLO26 полностью перестраивает конвейер обнаружения для современных корпоративных сред.

Архитектурные инновации без аналогов#

YOLO26 полностью устраняет узкие места постобработки, свойственные предшественникам, благодаря нативной сквозной архитектуре без NMS, обеспечивая более простое развёртывание на любом оборудовании. Кроме того, за счёт удаления Distribution Focal Loss (DFL) и интеграции нового оптимизатора MuSGD — гибрида стохастического градиентного спуска и Muon — YOLO26 обеспечивает беспрецедентную стабильность обучения.

Для разработчиков, развёртывающих модели в средах с ограниченными ресурсами, таких как Raspberry Pi, YOLO26 обеспечивает до 43% более быстрый инференс на CPU. В ней также представлены функции потерь ProgLoss + STAL, которые значительно улучшают распознавание небольших объектов — это особенно важно для аэрофотоснимков и анализа данных с дронов.

Упрощённая экосистема разработки#

В отличие от отдельных исследовательских репозиториев, экосистема Ultralytics обеспечивает непревзойдённый опыт для разработчиков. Используя Python API Ultralytics, инженеры могут значительно сократить объём шаблонного кода. Кроме того, требования к памяти тщательно оптимизированы, поэтому ты можешь обучать надёжные модели, используя меньше видеопамяти GPU по сравнению с архитектурами, в значительной степени основанными на механизме внимания.

from ultralytics import YOLO

# Load the highly optimized, NMS-free YOLO26 small model
model = YOLO("yolo26s.pt")

# Train on a custom dataset with minimal memory footprint
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Easily export to optimized deployment formats
model.export(format="engine", quantize=16)  # Exports to TensorRT

Помимо обнаружения, YOLO26 без проблем поддерживает множество задач в рамках той же самой архитектуры. Нужны ли тебе точные ориентированные ограничивающие рамки (OBB) для спутниковых снимков или детализированные пиксельные маски для задач медицинской визуализации, рабочий процесс остаётся неизменным. Для команд, использующих рабочие процессы предыдущего поколения, также доступна модель Ultralytics YOLO11 с полной поддержкой.

Идеальные сценарии использования и стратегии развёртывания#

Выбор подходящей архитектуры полностью зависит от целевой среды развёртывания и требований проекта.

Периферийные вычисления и робототехника#

Для устройств с низким энергопотреблением использование моделей, требующих тяжёлой постобработки, может серьёзно снизить производительность. Хотя YOLOX-Nano невероятно мала, её точности часто недостаточно для задач, критичных с точки зрения безопасности. Здесь оптимальным выбором становится YOLO26: отсутствие DFL и NMS позволяет ей эффективно работать на потоках CPU без дополнительной обработки, что делает модель идеальной для автономной робототехники или управления умными парковками.

Академическое тестирование#

Если единственная цель — анализ потока градиентов и изучение узких мест глубоких сетей, YOLOv9 остаётся превосходным объектом исследования. Её фреймворк PGI даёт интересное представление о том, как признаки сохраняются в слоях глубоких нейронных сетей, что делает модель ценным инструментом для университетских исследователей, изучающих теорию свёрточных сетей.

Корпоративная видеоаналитика#

Для масштабных задач обработки видео, таких как системы охранной сигнализации или мониторинг трафика, первостепенное значение имеют скорость и универсальные возможности экспорта. Нативные инструменты экспорта фреймворка Ultralytics позволяют командам компилировать YOLO26 напрямую в TensorRT или OpenVINO одной командой, значительно сокращая время вывода решения на рынок.

Используя комплексные возможности экосистемы Ultralytics, команды машинного обучения могут обойти сложности необработанных исследовательских кодовых баз и сосредоточиться непосредственно на создании масштабируемых ИИ-приложений для реального мира.